مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,264
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

612
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

1

اطلاعات مقاله نشریه

عنوان

مدلسازی هوشمند سری زمانی آورد ماهانه ورودی به سد وحدت سنندج

صفحات

 صفحه شروع 209 | صفحه پایان 220

چکیده

 پیش بینی جریان ورودی به منابع آبی یکی از مهمترین مسایل در برنامه ریزی و مدیریت بهینه آنها در جهت تولید انرژی برق آبی و تخصیص آب به منابع مصرف, محسوب می شود. پارامترهای مختلفی بر میزان دبی ورودی به سد تاثیرگذار می باشند. در مناطق خشک و نیمه خشک نظیر ایران, متغیرهای اقلیمی نظیر درجه حرارت و بارندگی بیشترین تاثیر را بر میزان رواناب ورودی به منابع آبی دارند. یک مدل بارش - رواناب ماهانه مناسب, ابزاری توانمند جهت بررسی اثر تغییرات اقلیمی بر قابلیت دسترسی آب برای تولید انرژی برق - آبی به شمار می آید. تحقیقات نشان داده است که رابطه مابین مقدار رواناب و متغیرهای تاثیر گذار بر آن ارتباطی غیرخطی و پیچیده دارند. شبکه های عصبی مصنوعی به علت خصوصیات منحصربفرد خود, قابلیت بالایی را در شبیه سازی روابط غیرخطی دارا می باشند. شبکه های عصبی مصنوعی تحولی عظیم در تحلیل رفتار سیستم های دینامیک در علوم مختلف مهندسی آب ایجاد کرده است. در این تحقیق سعی شده است با تبیین ویژگی های شبکه عصبی مصنوعی, شبکه استاتیکی برای بازیابی ارتباط غیرخطی مابین متغیرهای مستقل و وابسته طراحی گردد تا به کمک آن, تخمین هوشمند دبی متوسط ماهیانه ورودی به سد وحدت میسرگردد. در ادامه, با طراحی و بسط مدل شبکه عصبی دینامیکی بر مبنای کارکرد سری زمانی, مقدار آورد ماهانه ورودی به سد, مورد پیش بینی قرار گرفت. سپس از شبکه عصبی برای مدل سازی سری زمانی غیر خطی آورد ماهانه رودخانه استفاده شد. همچنین با مقایسه نتایج حاصل از مدل شبکه عصبی استاتیکی و دینامیکی, عملکرد مدل های طراحی شده مورد ارزیابی و سنجش قرار گرفت. نتایج حاصل از تحقیق نشان داد که انطباق خوبی مابین مقادیر پیش بینی شده با شبکه های عصبی ترکیبی و داده های مشاهداتی وجود دارد. همچنین نتایج نشان داد که مدل شبکه عصبی دینامیکی سری زمانی با دقت بالاتری نسبت به مدل استاتیکی, مقدار آورد ماهانه را پیش بینی می نماید.

استنادها

ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    فتحی، پرویز، محمدی، یوسف، و همایی، مهدی. (1388). مدلسازی هوشمند سری زمانی آورد ماهانه ورودی به سد وحدت سنندج. آب و خاک (علوم و صنایع کشاورزی)، 23(1)، 209-220. SID. https://sid.ir/paper/141672/fa

    Vancouver: کپی

    فتحی پرویز، محمدی یوسف، همایی مهدی. مدلسازی هوشمند سری زمانی آورد ماهانه ورودی به سد وحدت سنندج. آب و خاک (علوم و صنایع کشاورزی)[Internet]. 1388؛23(1):209-220. Available from: https://sid.ir/paper/141672/fa

    IEEE: کپی

    پرویز فتحی، یوسف محمدی، و مهدی همایی، “مدلسازی هوشمند سری زمانی آورد ماهانه ورودی به سد وحدت سنندج،” آب و خاک (علوم و صنایع کشاورزی)، vol. 23، no. 1، pp. 209–220، 1388، [Online]. Available: https://sid.ir/paper/141672/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button